[發明專利]一種面向電力的領域實體識別方法、系統及存儲介質

在審

• 申請號: 202010625052.3
• 申請日: 2020-07-01
• 公開（公告）號: CN111783464A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 季知祥;施貴榮;藍海波;蒲天驕;張銳;王曉輝;閔睿;劉鵬;劉劍青;肖凱;蔡常雨
• 申請（專利權）人: 中國電力科學研究院有限公司;國網冀北電力有限公司;國家電網有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/211;G06F16/35;G06F16/36;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 北京中巡通大知識產權代理有限公司 11703
• 代理人: 李宏德

1.一種面向電力的領域實體識別方法，其特征在于：包括以下步驟：

S1、對獲取的電網數據進行數據抽取形成數據集，并進行訓練數據的語料標注；

S2、將標注后的語料，劃分出測試集，將測試集輸入構建好的電力領域實體識別模型中進行識別，將識別結果進行反向解碼，得出所識別的領域實體；

S3、根據識別的領域實體計算正確率和召回率的加權調和平均值，利用加權調和平均值，對實體識別算法模型進行評價，當得出的評價得分滿足業務需求時，輸出識別的領域實體；

當得出的評價得分不滿足業務需求時，對電力領域實體識別模型進行修正后，重復上述步驟S2-S3。

2.根據權利要求1所述的面向電力的領域實體識別方法，其特征在于：在S1中，采用BIE進行訓練數據的語料標注，其中，字母B代表電力實體的首位字符，字母I代表電力實體的內部字符，字母E代表電力實體的結尾字符，字母O代表不屬于命名實體的其他字符。

3.根據權利要求1所述的面向電力的領域實體識別方法，其特征在于：利用雙向長短時記憶網絡與條件隨機場結合的方法構建電力領域實體識別模型；在S2中，將標注的語料，劃分為測試集和訓練集，利用訓練集對構建的領域實體識別算法模型，進行訓練。

4.根據權利要求3所述的面向電力的領域實體識別方法，其特征在于，所述電力領域實體識別算法模型包括：

第一層，用于將句子中的每個字由one-hot向量映射為低維稠密的字向量；

第二層，雙向LSTM層，用于從第一層的字向量中自動提取句子特征；

第三層，CRF層，用于將提取出的句子特征，進行句子級的序列標注；將標注形成的句子標簽進行分類。

5.根據權利要求4所述的面向電力領域的實體識別方法，其特征在于：在CRF層中，采用如下公式，對句子標簽進行分類：

其中，score(x,y)表示句子x的標簽為y的得分。

6.根據權利要求5所述的面向電力領域的實體識別方法，其特征在于：所述電力領域實體識別算法模型在訓練時，通過最大化對數似然函數對訓練樣本求解對數似然值；

log P(y^x|x)＝score(x,y^x)-log(Σ_y′exp(score(x,y′)))；

式中，score(x,y^x)表示句子x的標簽為y^x的得分；(x,y^x)為訓練樣本。

7.根據權利要求1所述的面向電力領域的實體識別方法，其特征在于：在步驟S3中，所述電力領域實體識別算法模型在求解對數似然值時預測過程中使用Viterbi算法求解最優路徑，求解得出識別的實體對應的位置。

8.根據權利要求1所述的面向電力領域的實體識別方法，其特征在于：在S3中，

正確率通過如下公式計算得出：

所述召回率用如下公式計算得出：

對領域實體識別算法模型進行評價時，采用計算正確率和召回率的加權調和平均值F值用如下公式計算：

9.一種面向電力的領域實體識別系統，其特征在于，包括，

數據獲取模塊，用于對獲取的電網數據進行數據抽取形成數據集，并進行訓練數據的語料標注；

領域實體識別模塊，用于將標注后的語料，劃分出測試集，將測試集輸入構建好的電力領域實體識別模型中進行識別，將識別結果進行反向解碼，得出所識別的領域實體；

評價模塊，根據識別的領域實體計算正確率和召回率的加權調和平均值，利用加權調和平均值，對實體識別算法模型進行評價，當得出的評價得分滿足業務需求時，輸出識別的領域實體；當得出的評價得分不滿足業務需求時，對電力領域實體識別模型進行修正后，再次識別。

10.一種計算機存儲介質，其特征在于，所述計算機存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至8任一項所述一種電力領域實體識別方法的步驟。